Добро пожаловать!

Pages:     | 1 |   ...   | 12 | 13 || 15 | 16 |   ...   | 58 |

Imagine a period in the near future where The ethical questions that confronts us we have developed the interfaces between are: who will have control of these computer and brain to a degree where the technologies, and who will determine their information flows in both directions; the brain ethical nature Who will protect our privacy sends out information to the computer, and it Who will ask the important questions about also receives impulses from the computer, enhancement—when it is good, when it is bad, which learns and develops. Perhaps that and who should or should not have it Or will computer is also connected to the Internet. these products be put on the consumer market Now we have the human brain hard-wired into for consumer response Especially when you the Internet, itself now a wetware node on that consider that BCIs can work on the system. So not only will BCIs connect us subconscious level [18].

through wires to external information The ability to access the brain, to technologies, the information technology itself understand its inner workings, to connect it to may be integrated into our neural tissue. For external devices, promises remarkable the first time, fundamental neural processes in resources to aid the infirm as well as the central nervous system will be part worrisome opportunities to cause harm. It is organic, part synthetic. important to develop these technologies with a A whole field of cyborgology has careful eye towards using them responsibly.

developed to try to understand the social, Tamburrini [19], Clausen [20], and political and ethical implications of our Haselager et. al [21] assert that an ethical becoming cyborgs, part organic and part analysis of BCI use should follow the synthetic, human/machine hybrids. The very standards set forth by the Declaration of nature of our relationships with each other, as Helsinki, and include a risk-benefit analysis:

well as with social institutions, will change as only if the benefits of use outweigh the risks of we integrate technologies into our physiology use can usage of a BCI be considered ethical.

and as we integrate our physiologies into our Nevertheless, as Clausen states: while “the environments [10]. Clearly, BCIs will pose ethical concerns on possible enhancement challenges for privacy, as machines are able to applications of [BCIs] still remain to be tap into our private brain processes. They will answered…this is not a reason to abandon challenge personal autonomy, as experiments [BCI] research as a whole [20].” with other animals show how the brain can be conditioned or even disrupted with implanted technologies. And they will challenge our conceptions of selfhood, when computers are Материалы XVI Международной конференции по нейрокибернетике body by thought in a highly immersive virtual References:

environment, GRAPP, Barcelona, Spain, 83–90.

11. Nijholt, A., D. Tan, A. Brendan, J. del R. Milln, B.

1. Pontius A. A.,1973. Neuro-ethics of 'walking' in the Graimann. 2008. Brain-computer interfaces for HCI and newborn. Percept Mot Skills 37: 235–245.

games, in Proceedings of CHI’08, ACM, pp. 3225– 2. Wolpe, P.R., 2004, Neurotechnology and brain- 3228.

computer interfaces: Ethical and social implications in 12. Gerson, A.D., L.C. Parra, and P. Sajda. 2006.

Emerging Technologies and Ethical Issues in Cortically coupled computer vision for rapid image Engineering, National Academy of Engineering, The search. IEEE, Transactions on Neural Systems and National Academies Press, Washington, D.C.

Rehabilitation Engineering,14(2):174–179.

3. Paul R. Wolpe, 2007, Brain-computer interface 13. Yahud, S., and N.A. Abu Osman. 2007. Prosthetic technology presents a number of ethical and social hand for the brain-computer interface system. IFMBE challenges for physicians. Virtual mentor - American Proceedings, 15:643–646. Springer, Berlin.

Medical Association Journal of Ethics, February, 9(2), 14. Clausen, J. 2008. Moving minds: ethical aspects of pp. 128-neural motor prostheses. Biotechnology Journal 3(12):

4. Birbaumer, N., N. Ghanayim, T. Hinterberger, B.


Kotchoubey, A. Kuebler, J. Perelmouter, E. Taub, and 15. Tamburrini, G. 2009. Brain to computer H. Flor. 1999. A spelling device for the paralyzed.

communication: ethical perspectives on interaction Nature, 398:297–298.

models. Neuroethics 2 (3): 137–149.

5. Hochberg, L.R., M.D. Serruya, G.M. Friehs, J.A.

16. van Est, R., D. Stemerding, I. van Keulen, Mukand, M. Saleh, A.H. Caplan, A. Branner, D. Chen, I. Geesink, and M. Schuijff. 2010. Making R.D. Penn, and J.P. Donoghue. 2006. Neuronal perfect life – bioengineering (in) the 21st ensemble control of prosthetic devices by a human with century, Interim Study Monitoring report - tetraplegia. Nature, 442:164–171.

6. Birbaumer, N. 2006a. Breaking the silence: Phase II, ed. Legislative coordinations and Braincomputer interfaces for communication and motor conciliations: ETAG.

control. Psychophysiology, 43:517–532.

17. The Age of Spiritual Machines by Ray Kurzweil 7. Wolpaw, J.R., N. Birbaumer, D.J.McFarland, G.

(Viking, 1999).

Purtscheller, and T.M. Vaughan. 2002. Brain-computer 18. A.Ya.Kaplan, J.J.Lim, K.S.Jin, B.W.Park, interfaces for communication and control. Clinical J.G.Byeon, S.U.Tarasova.2005, Unconscious operant Neurophysiology, 113:767–791.

conditioning in the paradigm of brain-computer 8. Milln, J. del R., F. Renkens, J. Mourio, and W.

interface based on color perception. Intern. J.

Gerstner. 2004. Brain-actuated interaction. Artificial Neuroscience.115:781-802.

Intelligence, 159:241–259.

19. Tamburrini, G., 2009. Brain to Computer 9. Galn, F., M. Nuttin, E. Lew, P.W. Ferrez, G.

Communication: Ethical Perspectives on Interaction Vanacker, J. Philips, and J. del. R. Milln. 2008. A Models. [Editorial]. Neuroethics, 2, 137-149.

brain-actuated wheelchair: Asynchronous and non20. Clausen, J. 2009. Man, Machine, and in Between.

invasive braincomputer interfaces for continuous [Editorial]. Nature, 457, 1080-1081.

control of robots. Clinical Neurophysiology, 119:2159– 21. Haselager, P., Vlek, R., Hill, J., & Nijboer, F. 2009.


A note on ethical aspects of BCI. [Editorial]. Neural 10. Friedman, D., R. Leeb, L. Dikovsky, M. Reiner, G.

Networks, 22(9), 1352-1357.

Pfurtscheller, and M. Slater. 2007. Controlling a virtual 4-Й МЕЖДУНАРОДНЫЙ СИМПОЗИУМ «НЕЙРОИНФОРМАТИКА И НЕЙРОКОМПЬЮТЕРЫ» 4-Й МЕЖДУНАРОДНЫЙ СИМПОЗИУМ «НЕЙРОИНФОРМАТИКА И НЕЙРОКОМПЬЮТЕРЫ» _ THE FOURTH INTERNATIONAL SYMPOSIUM “NEUROINFORMATICS AND NEUROCOMPUTERS” Материалы XVI Международной конференции по нейрокибернетике КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ ПОВЕДЕНИЯ НЕЙРОНА С ВОСПРОИЗВЕДЕНИЕМ СТРУКТУРНО-ФУНКЦИОНАЛЬНЫХ СВОЙСТВ МЕМБРАНЫ И ОРГАНИЗАЦИИ СИНАПТИЧЕСКОГО АППАРАТА А.В. Бахшиев1, С.П. Романов2, Л.А. Станкевич3, А.А. СлизунЦНИИ робототехники и технической кибернетики Институт физиологии им. И.П. Павлова РАН Санкт-Петербургский государственный политехнический университет palexab@gmail.com The most important is the development of a model их основе возникла целая группа моделей neuron function and the set of reactions that will be искусственных нейронов – формальные determined by the structure of its dendritic and synaptic нейроны. Модели формальных нейронов apparatus. The model does not require adjustment of могут различаться по виду функции internal parameters in the operation. Properties of the transformation of information a neuron are determined активации, по изменяемости весов входов, by a modification of the structural organization of the и т.п., но все они существенно упрощают membrane and synaptic apparatus, and formed the функции нейрона. Это позволяет им c current active connections in the network.

определенной эффективностью решать задачи классификации объектов, Введение кластеризации и пр., но делает их непригодными для изучения работы В настоящее время все больше реальных нейронов и мозга и, как внимания уделяется как проблемам следствие, для разработки и исследования крупномасштабного моделирования новых подходов в построении нервной системы животных и человека [1], искусственных нейронных сетей, так и построению новых когнитивных основывающихся на углубленном архитектур, моделирующих поведение и понимании принципов организации структурные свойства человеческого мозга поведения живых организмов.

[2]. Отдельным важным аспектом этих Также были созданы модели, исследований может являться разработка учитывающие биологические свойства новых функциональных элементов таких нейронов и их элементов и направленные архитектур.

на изучение их динамических свойств, Нервная система живых организмов включая аппаратные реализации нейронов.

обладает двумя важными компонентами Исследуя распространение импульса унификации передачи и преобразования вдоль гигантского аксона Ходжкин и сигналов – это аналоговая форма Хаксли предложили модель мембраны, обработки, позволяющая нейрону учитывающую действие трех различных одновременно суммировать по типов ионного тока на её возбудимость, а пространству и интегрировать по времени именно, натриевого, калиевого и тока входные воздействия, и импульсная утечки, представленного в основном передача сигналов с задержкой их ионами хлора [4]. Измерение токов и распространения в проводящих трактах, проводимостей показало их достаточно использование которой позволяет решать точное соответствие теоретическим задачи быстродействия и оптимальной вычислениям потенциала мембраны и регуляции функциями организма, формы генерируемого импульса.

анализируя изменения в окружающей Основываясь на данных модели Ходжкинасреде.

Хаксли, а также свойствах синаптической Первыми основными разработками в передачи, изученной Дж. Экклсом [5], для области моделирования нейронных сетей исследования принципов передачи стали работы МакКаллока и Питтса [3]. На импульсных потоков в нейронных сетях 4-Й МЕЖДУНАРОДНЫЙ СИМПОЗИУМ «НЕЙРОИНФОРМАТИКА И НЕЙРОКОМПЬЮТЕРЫ» были разработаны аналоговые модели импульсных потоков нейрона подробно нейронов [6]. Распространено рассмотренная в работах [9, 10, 11].

моделирование нейронов, используя Предполагается, что на входы модели уравнения Ходжкина-Хаксли, поступают импульсные потоки, которые воспроизводящих паттерны импульсных преобразуются в синапсах в аналоговые потоков в различных отделах мозга или, величины, описывающие временные например, для понимания распространения процессы выделения и распада медиатора в волны возбуждения в отдельных участках синаптической щели. Мембраны сомы и проводящей системы сердца (модели дендритов нейрона представлены набором МакАлистера-Нобла-Цяня и Билера- нескольких (обычно двух видов) моделей Рейтера, Алиева-Панфилова, Зимана). ионных механизмов, выходы которых Для рассмотрения динамики представляют собой обобщенный вклад в естественных нейронов возникла также величину внутриклеточного потенциала от группа феноменологических моделей. Они протекающих в клетке процессов не объясняют детально механизм деполяризации и гиперполяризации.

появления динамических свойств, но Синапсы влияют на деятельность ионных позволяют их исследовать. Некоторые из механизмов, что моделирует изменение них рассматриваются как упрощение концентрации ионов внутри клетки под модели Ходжкина-Хаксли (модели влиянием внешнего воздействия.

порогового интегратора, ФитцХью – На рис. 1 приведен общий вид Нагумо, Мориса-Лекара и др.), другие не структуры мембраны модели нейрона.

имеют строгой математической базы.

Однако, эти модели позволяют выделить необходимый уровень абстракции в описании свойств нейрона и нейронных сетей, который исследователь считает существенным.

Одним из подходов, который представляется перспективным, является моделирование в вычислительной среде на уровне описания информационных Рис. 1. Блок-схема мембраны нейрона.

преобразований импульсных потоков в нейроне, не спускаясь до реализующих их Телом нейрона условно будем считать физико-химических процессов, но и не те участки мембраны, которые охвачены абстрагируясь от понятия нейрона как обратной связью с генератора потенциала объекта, осуществляющего нелинейные действия. Также следует отметить, что чем аналоговые преобразования потока ближе участок мембраны расположен к импульсов [7, 8]. Предлагаемая модель генераторной зоне, тем эффективнее вклад описывает нейронные структуры как его синапсов в общую картину единую нервную ткань - множество возбуждения нейрона.

участков мембраны, взаимодействующих Таким образом, в терминах модели:

друг с другом посредством электрических и а) низкопороговая зона обеспечивает химических связей, группы которых формирование импульса при превышении формируют отдельные нейроны с их порога генерации и перезаряд мембраны, спецификой организации дендритного и моделируя абсолютную и относительную синаптического аппарата. рефрактерность;

б) на соме нейрона производится Модель нейрона суммация сигналов на коротких интервалах времени (большой вклад в возбуждение В качестве функциональной основы нейрона от каждого синапса) и предлагаемой модели нейрона, принята накапливаемый потенциал теряется при схема процессов преобразования разрядах нейрона;

Материалы XVI Международной конференции по нейрокибернетике в) на дендритах осуществляется вторых, задержкой на распространение пространственная и временная суммация сигнала вдоль дендрита от синапса к сигналов на значительных интервалах низкопороговой зоне.

времени (малый вклад в возбуждение нейрона от каждого синапса), и накопление потенциала не зависит от разрядов нейрона.

Модели каждого синапса и ионного механизма, формирующие участок мембраны нейрона, описываются дифференциальными уравнениями. Таким Рис. 2. Маленький нейрон с синапсом на дендрите.

образом полное число уравнений, 1 – возбуждение входа; 2 – внутриклеточный описывающих модель нейрона, потенциал в области генераторной зоны; 3 – ответ нейрона пачкой импульсов.

определяется структурой мембраны нейрона и может изменяться в процессе При этом, в зависимости от задачи, функционирования нейрона в составе сети.

мы можем рассматривать выход нейрона и Предложенная модель позволяет как дискретный сигнал, принимающий два воспроизвести следующие свойства значения: 0 в покое и отличную от нуля нейронов:

константу, характеризующую генерацию - пространственная и временная импульса. Также возможно рассматривать суммация входных сигналов;

Pages:     | 1 |   ...   | 12 | 13 || 15 | 16 |   ...   | 58 |

© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.